OpenAI推出o3模型：首款整合視覺思考能力的AI推理系統

OpenAI於美國時間16日發布全新AI推理模型「o3」，這是業界首個能夠「用圖像思考」的人工智慧系統。該模型突破性地能夠理解並分析用戶上傳的草圖或圖表，即使是品質不佳的圖像，o3也能有效處理並提供思考過程清晰的答案。根據CNBC報導，除了主力推理模型o3外，OpenAI同時推出了更輕量級的「o4-mini」模型。這是該公司自去年9月發布o1模型以來的最新推理系統升級。新模型專注於通過多步驟思考過程解決複雜問題，大幅提升了AI的推理能力。OpenAI表示，o3模型允許用戶上傳白板筆記、草圖或其他視覺資料，AI可直接對這些內容進行分析與討論。該模型還具備圖像編輯功能，能夠旋轉、縮放或應用其他編輯工具。更重要的是，o3成為首個能夠獨立運用所有ChatGPT工具的推理模型，包括網頁瀏覽、Python編程、圖像理解和生成等功能，這使其在解決複雜問題時更加高效，也向AI獨立行動能力邁出了重要一步。技術上，o3模型針對數學、編程、科學和圖像理解領域進行了專門優化，而o4-mini則提供更快的運行速度。兩款模型最大的突破在於能夠「用圖像思考」—不僅能識別圖像，還能將視覺信息直接整合到推理過程中，實現更全面的問題分析。自2022年底推出ChatGPT以來，OpenAI持續快速迭代其AI技術，從最初的文本生成擴展到圖像、語音和視頻領域。目前，該公司在AI領域保持領先地位，但也面臨來自Google等科技巨頭的激烈競爭。